Проблема в том, что вы добавляете id к каждой записи, а не только к тем, которые вас интересуют. Быстрое решение - сохранить id в переменная и добавляйте ее только тогда, когда это необходимо:
filename = 'C0_GGCTAC_R1_no_adapter_trimming.fastq'
new_filename = filename[:-9] + '_new.fastq'
with open(filename) as f_obj:
file_contents = f_obj.readlines()
extracted_lines = ''
line_count = 0
# Pull header and base lines
for line in file_contents:
line_count += 1
# Headers
if line_count == 1:
id_string = line
# Reads ending in A
elif line_count == 2 and line[-2] == 'A':
extracted_lines += id_string
extracted_lines += line
# Reads ending in G
elif line_count == 2 and line[-2] == 'G':
extracted_lines += id_string
extracted_lines += line
# Reset counter
elif line_count == 4:
line_count = 0
with open(new_filename, 'w') as f_obj:
f_obj.write(extracted_lines)
print(new_filename + " was created.")
Я также должен сказать, что этот код не очень эффективен, особенно с точки зрения использования памяти: вы читаете (обычно) очень большой файл в память, но вам нужна только одна запись за раз.
Вторичные проблемы заключаются в том, что ваши условия могут быть сжаты, и вы можете работать с модулями, чтобы знать, в каком типе линии вы находитесь:
filename = 'C0_GGCTAC_R1_no_adapter_trimming.fastq'
new_filename = filename[:-9] + '_new.fastq'
with open(filename) as in_f_obj, open(new_filename, 'w') as out_f_obj:
# Process the file
line_count = 0
for line in in_f_obj:
line_count += 1
# Extract the information for each record
if line_count % 4 == 1:
id_string = line
elif line_count % 4 == 2:
seq = line
elif line_count % 4 == 3:
extra = line
elif line_count % 4 == 4:
# Last part of the record. Here we have all the information
# and we can decide if we want to output something
# and what we want to output
qual = line
if seq[-2] == 'A' or seq[-2] == 'G'
out_f_obj.write(id_string)
out_f_obj.write(seq)
print(new_filename + " was created.")
В этом коде вы храните только одну запись в памяти. Переменная line_count содержит действительное количество обработанных строк, и у вас есть все данные из ввода, поэтому вы можете впоследствии довольно легко изменить вывод.
Я бы добавил дополнительную деталь, я бы вырезал новую строку в каждой строке чтения и добавлял ее при необходимости при написании:
# Extract the information for each record
if line_count % 4 == 1:
id_string = line.rstrip()
elif line_count % 4 == 2:
seq = line.rstrip()
elif line_count % 4 == 3:
extra = line.rstrip()
elif line_count % 4 == 4:
# Last part of the record. Here we have all the information
# and we can decide if we want to output something
# and what we want to output
qual = line.rstrip()
if seq[-1] == 'A' or seq[-1] == 'G'
out_f_obj.write("{}\n{}\n".format(id_string, seq))
Таким образом, ваши данные чистые, без форматирования новой строки из входного файла.